技术的追求没有终点，只有更优异的差异，回归基础，在平静中寻求突破，方得始终。

或许，喧嚣过后回归平静，才是车路协同行业发展该有的规律。

我们看到，一方面，过去频繁出现的“首个”今年少了很多，与车路协同相关的各类新应用也逐渐冷却下来，政府对此类试点项目的关注度也在逐渐降低；另一方面，百度apollo在持续推进，车辆规模越来越大，里程越来越长，Mobileye与特斯拉依然在既定的路线上不断进步。

拓荒的很多，但以初心拓荒的却没那么多，拓荒后能够持续用心耕耘的少之又少，注定了能够持续发展并走向成功的寥寥无几。

1、 交叉口盲区预警

路侧设备检测逆向行驶的机动车、非机动车、行人信息，逐帧计算机动车、非机动车、行人的行驶方向，经纬度，速度并通过V2X协议上传至车载OBU。

OBU接收路侧设备逐帧上传的目标经纬度、方向、速度等数据，基于本车的经纬度、方向、速度、到交叉口距离判断是否存在碰撞风险，存在碰撞风险，实时提醒驾驶员及行人。

数据处理流程图（采用雷达与视觉融合感知方案）如下：

类似场景还有鬼探头、盲区/变道预警、逆向超车预警、左右转辅助预警等，不再一一单独列举。

2、 公交优先通行

通过智能化设备获取公交车上乘客人数，并实时推送至云控平台。当公交车辆行驶至交叉路口区域附近时，通过车载OBU与路侧RSU相互通讯，并自动发送交叉路口优先通行请求，RSU通过当前车辆位置、行驶速度及实时路况信息计算出公交车辆到达交叉路口的时间，同时结合当前红绿灯的相位、公交车通过路口需要的绿灯相位、路口流量等综合判断是否响应公交优先通行的策略。

3、 特殊车辆优先通行

与公交优先通行类似，救护车、消防车等特殊车辆行驶至灯控路口附近时，车载设备OBU与路侧设备RSU通讯，RSU根据确定的策略响应车辆优先通行请求。

4、 信号灯状态显示

当公交车行驶至有交通信号灯控制的路口或者道路上时，公交上的车载OBU能够通过V2X协议收集到路侧设备RSU发送的当前红绿灯的信息，包括红绿灯状态以及相位剩余时间，并在尾屏和车载中控屏上显示出来。

提前对驾驶员预警提醒，减少公交车司机闯红灯现象发生，还可用于提示后方社会车辆，使其选择加速或者减速通过交叉路口，减少停车延误、燃油消耗和环境污染，同时也进一步提高了交叉路口的同行效率。参考效果图（引用媒体宣传）如下：

在高速小气候点设置气象监测设备，同时对雨、雪、雾等多种异常天气以及结冰、积水等异常环境进行检测，当检测到异常数据后及时向中心推送，经由 RSU与OBU的通信，对即将行驶到附近的车辆发送实时预警提醒。

6、 隧道危险预警

在高速公路隧道出入口等事故易发路段场景，通过多传感器融合实现事故、行人、遗撒物等异常事件的全天候实时感知，并通过V2X协议实时推送给车辆，辅助车辆灵活做出驾驶策略调整。

7、 控制类应用

主要为紧急制动、车车跟随、限速控制、自动紧急转向等，这类试点价值最高，也是最该突破的，除了类似无人驾驶的应用，车路协同很少看到试点。

车路协同，无论车端还是路侧，亦或是通信，地图，定位等都有太多的核心技术未完全突破，但围绕着车路协同的业界争论从未停止，热点内容不断涌现。

我们在花很多的精力头脑风暴什么才是杀手级应用，在论证各类应用逻辑是否成立，应用模式是否能够闭环，在争论DSRC和C-V2X到底那个更适合未来的发展方向，在关注国家及地方政策标准的异同，在顾虑商业模式的变现。

同步出现的还有各类令人眼花缭乱的名词，V2X，（Vehicle-to-everything，直译：车联万物），V2I（车辆对基础设施）、V2N（车辆对网络）、V2V（车辆对车辆）、V2P（车辆对行人） 、V2D（车辆到设备）、 V2G（车辆到电网），此时，头疼的问题出现了，如此多的场景应用到底应该归属V2什么。

通信协议有DSRC、C-V2X、5G-V2X，我们又得去科普通信协议的概念，应用场景，优劣势，技术差异点等。

在我们未开始技术难点攻关时，已经有些无所适从了，感慨，太难了！

当前的现状：试点项目多为基于各类交通场景锁定一些传统方案确实有难度的应用，然后聚焦某个应用，通过试点项目特定区域、特定的车辆、特定的场景，包装高大上的热点概念去展示这个应用。

从应用本身的实际场景出发，大家普遍存在的疑问，是否需要如此高的精度，是否需要如此低的延时，是否一定需要V2X协议，是否有可替代的性价比更高的方案。

没有令人信服的标准答案，也说明，我们并未找到真正该聚焦的点，如此，花很大的代价去试点，就失去了该有的底气。

基础设施建设的现状，感知设备的部署密度，数据的安全及开放性，路侧与车辆的数据共享等都成为推广复制的拦路虎。

而无论车路协同还是无人驾驶，安全是前提，离不开车辆控制。我们来反思试点过的车路协同应用，哪些是真正聚焦安全本身且具备普及条件的，不多，起码从碰撞风险来看。为什么呢，因为难，周期长，不能很快看到成效，远没有圈一块封闭场地，装一些设备，建一个平台，按照设计好的场景在大屏上呈现来的快。交通是变化的，流动的，瞬息万变的，不可预测的，我们想象不到会碰到的场景及问题远比当前我们能想到的多很多。

似乎进入了一个难以走出的怪圈。

单车智能还是车路协同，亦或是无人驾驶，叫什么名字不重要，回归需求的本质，或许困惑会少一些。

支点一定是核心技术突破，不会是令人眼花缭乱的概念，商业模式以及包装的应用类故事，专注、专业才能走的长远，试点项目应聚焦要突破核心技术难题，能够保持耐力，持续投入。行业专家、学者也需要引导这种良性的方向，政府对试点项目的建设成效多一些包容与耐心，少一些短平快的大屏类应用成效展示。

在各地车路协同试点项目大面积铺开时，Mobileye相对冷静，未过多关注我们试点的各类应用及展示效果，自始至终围绕既定的战略，追求极致的视频识别算法，提出基于视觉研发的车辆和车道线识别率达到99.99%的目标，并在不断寻求突破。

由于视觉识别算法的优异表现，Mobileye 的 EyeQ 芯片突飞猛进。2021年，拿到了 30 家车企的订单，订单总量达 5000 万片，搭载在 188 个新车型上。截止 2021 年年底，累计销量已经突破 1 亿片。

基于精准的视觉识别， Mobileye又成功研发了基于摄像头捕捉识别的定位技术 REM，装载有EyeQ芯片的车辆，只需上传极少量的特征数据，即可实现对REM的实时地图更新。

基于庞大的感知体系，Mobileye 已经采集了 40 亿公里的道路地图数据。最重要的是，REM 地图的覆盖范围已经非常广。而且，REM 地图还在不断更新中，以每天超过2500 万公里的速度增长，而随着ADAS普及率越来越高，数据覆盖率及更新率将越来越快。

随着Mobileye辅助驾驶市场占有率越来越高，进一步促进了REM地图的覆盖范围及精度。且无须采用专用车辆、专用设备去采集并制作高精度地图，融合ADAS感知数据、车辆状态数据、高精度地图、视觉定位等数据，又打开了智慧城市应用天花板，进一步夯实了Mobileye霸主地位。

应用突破与普及应遵循顺其自然的规律，基于现有的产品及方案基础，在整体成本变化不大的前提下，通过技术创新来突破一些难题。而非采用昂贵的相对超前的产品技术，选择走捷径的方式以求快速看到效果，大多数时候我们都是这么干的。

Mobileye能够长时间持续突破普通视觉感知、定位与REM技术基线，并获得巨大商业回报值得我们深思。

在车路协同试点应用回归平静时，我们也看到了围绕车路协同、无人驾驶主航道，国内产业链相关企业的快速进步。森思泰克一直聚焦毫米波雷达产品开发，2021年底在国内率先发布了4D毫米波雷达，并逐步获得量产应用；海康汽车一直聚焦视频辅助驾驶的投入，盲区预警系统在公交、工程车、重货、工程机械车辆等细分领域取得突破，切实有效降低了交通事故，获得了肯定与认可；大疆激光雷达性能不断提升，价格却不断降低，在路侧、车辆端均不断普及开来……。

高精度定位、高精度地图、5G、域控制器、智能驾驶座舱等领域，都在不断发展进步，一大批有代表性企业影响力在不断提升，将成为我们领先的基础。

技术的追求没有终点，只有更优异的差异，回归基础，在平静中寻求突破，方得始终。当我们逐步攻克了一个个单点难题，获得长足进步并具备领跑优势，向系统进阶才更清晰、更务实、也更有底气，现在的很多试点应用也顺其自然具备普及条件。